Word Embeddings for Multi-label Document Classification

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F17%3A43949732" target="_blank" >RIV/49777513:23520/17:43949732 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.26615/978-954-452-049-6_057" target="_blank" >http://dx.doi.org/10.26615/978-954-452-049-6_057</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.26615/978-954-452-049-6_057" target="_blank" >10.26615/978-954-452-049-6_057</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Word Embeddings for Multi-label Document Classification
Popis výsledku v původním jazyce
In this paper, we analyze and evaluate word embeddings for representation of longer texts in the multi-label document classification scenario. The embeddings are used in three convolutional neural network topologies. The experiments are realized on the Czech ČTK and English Reuters-21578 standard corpora. We compare the results of word2vec static and trainable embeddings with randomly initialized word vectors. We conclude that initialization does not play an important role for classification. However, learning of word vectors is crucial to obtain good results.
Název v anglickém jazyce
Word Embeddings for Multi-label Document Classification
Popis výsledku anglicky
In this paper, we analyze and evaluate word embeddings for representation of longer texts in the multi-label document classification scenario. The embeddings are used in three convolutional neural network topologies. The experiments are realized on the Czech ČTK and English Reuters-21578 standard corpora. We compare the results of word2vec static and trainable embeddings with randomly initialized word vectors. We conclude that initialization does not play an important role for classification. However, learning of word vectors is crucial to obtain good results.

Projekt
<a href="/cs/project/LO1506" target="_blank" >LO1506: Podpora udržitelnosti centra NTIS - Nové technologie pro informační společnost</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Proceedings of the International Conference Recent Advances in Natural Language Processing, RANLP 2017
ISBN
978-954-452-048-9
ISSN
1313-8502
e-ISSN
neuvedeno
Počet stran výsledku
7
Strana od-do
431-437
Název nakladatele
INCOMA Ltd.
Místo vydání
Shoumen, BULGARIA
Místo konání akce
Varna, Bulgaria
Datum konání akce
2. 9. 2017
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—

Podobné výsledky(10)